神经网络试卷(B卷).doc

《神经网络试卷(B卷).doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2008–2009学年第一学期考试方式：开卷[]闭卷[√]课程名称：神经网络使用班级：计算机科学与技术（医学智能方向）06班级：学号：姓名：一、单项选择题（每空2分，共30分）1.单层感知器，它最大的缺点是只能解决线性可分的分类模式问题，要增强网络的分类能力唯一的方法是采用多层网络结构，与单层感知器相比较，下面（）不是多层网络所特有的特点。A)具有独特的学习算法B)含有一层或多层隐单元C)激活函数采用可微的函数D)神经元的数目可以达到很大2.下面是一段MATLAB中有关向量运算的代码，>>y=[3725010];>>y(4)=[]运算后的输出结果是（）A)37251

2、0B)37250C)372010D)3250103.在MATLAB中，下面的（）命令可以使用得下次绘制的图和已经绘制的图将不在同一张图上。A)holdonB)figureC)plotD)holdoff4.如果现在要对一组数据进行分类，我们已经知道这些数据最终能分成几类，那么应该选择（）来处理这些数据最适合。A)RBF神经网络B)SOM神经网络C)BP神经网络D)ELMAN神经网络5.人工神经网络的激活函数主要有3种形式，下面()对应的是分段线性函数()对应的是域值函数，()对应的是非线性转移函数。6.下面是一段有关矩阵运算的MATLAB代码:>>A=[1234;56

3、78;9101112]，>>A([13],:)=[]则运算后的输出结果是（）A)1234B)9101112C)5678D)34567.nnToolKit 神经网络工具包中的函数可以在MATLAB环境下独立运行，也可打包成COM对象被其它语言调用，但是不能被（）A)Visual BasicB)CC)C++BuilderD)Visual C++8.根据神经元的不同连接方式，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络将一个神经网络模型中的所有神经元按照功能分成若干层。一般有输入层、隐含层(中间层)和输出层，各层顺次连接。下面图形()对应的是单纯的前向网络,

4、图形()对应的是具有反馈的前向网络,图形()对应的是层内互联的前向网络()对应的是相互连接型网络，图形，。9.一个只有单权值的神经网络，其误差函数为e图一who当误差函数对权值的偏导数如图一所示，此时权值应该向（）方向调整。A)不变B)可能增大也可能减少C)增大D)减少10.标准BP算法采用的是最速梯度下降法修正权值，该算法存在与输入样本的顺序有关、收敛速度缓慢、易陷入局部极小等缺陷，为了克服算法中的不足，研究者们提出了许多改进算法，其中（）算法与其它三个算法的原理不一样。A)基于共轭梯度法的改进算法B)附加动量的改进算法C)使用拟牛顿法的改进算法D)基于Leven

5、berg-Marquardt法的改进算法二、填空题（每空2分，共20分）1.人工神经网络从生物神经网络发展而来，一个神经元就是一个神经细胞，在人类大脑皮层中大约有100亿个神经元。神经元是基本的信息处理单元。生物神经元主要由、、、组成。2.学习算法是指针对学习问题的明确规则，学习类型是由参数变化发生的形式决定的，不同的学习算法对神经元的权值调整的表达式是不同的。人工神经网络常用的算法有、、、等。3.神经网络的基本属性反映了神经网络特点，它主要有并行分布式处理、。三、综合题（其中第1题20分，第2题20分，第三题10分，共50分）1、构建一个有两个输入一个输出的单层感

6、知器，实现对表一中的数据进行分类，设感知器的阈值为0.6，初始权值均为0.1，学习率为0.6，误差值要求为0，感知器的激活函数为硬限幅函数，计算权值w1与w2。表一x1x2d0000111011112、构建一个BP神经网络（网络结构见图二）完成对表二中的数据分类，设初始连接权值全部为0.3，阈值为0，学习率为0.4，输入层到隐含层，隐含层到输出值的激活函数为单极SIGMOID函数，要求误差e为0.05，计算执行BP算法第一轮后各连接权值的值为多少。Node1Node2Node1Node2Node1X1X2w11w12w21w22w1yw2yyo图二1、本课程中学习了

7、许多不同结构的神经网络，请您就BP神经网络、RBF神经网络和SOM神经网络三种神经网络说明它们各自的特点，并就它们的特点各给出一个实际应用中的例子。